C++ 提速的新发现

雷达 · 发表于 2022-9-24 22:54:26

C++ 比 Octave 慢好多，怎么破？

自相关两层循环，内层循环涉及浮点数计算，试验了一下把内层循环内部全都 comment out 只留个壳子, 但空的内层循环本身就把速度拉下来了，看来问题并不在浮点计算。

速度优化问题真的很有意思啊。

欢迎大家继续讨论

数值分析 · 发表于 2022-9-24 23:04:16

拉下来？拉多少？
把代码贴上来看看？

难道分支预测不准破坏流水线执行？不该啊。

沉宝 · 发表于 2022-9-24 23:15:41

会不会代码本身的缺陷阻止了自动优化？另外，硬件配置和开发环境可能也有关系。

风雨无阻 · 发表于 2022-9-24 23:33:02

Maybe Debug mode?

雷达 · 发表于 2022-9-24 23:54:10

本帖最后由雷达于 2022-9-24 23:57 编辑

数值分析发表于 2022-9-24 23:04
( q8 ~- i8 g& A; l0 c' ^7 ]拉下来？拉多少？
, f* i% |" `# O* K- B- C把代码贴上来看看？

void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
{
comp temp, xtimesy;
xtimesy.re = 0;
xtimesy.im = 0;
int j0 = lenB - 1;
int i, j, i1, reali;
if (lenA % 2 == 1)
reali = lenA + 1;
else
reali = lenA;
reali /= 2;

int nconv = reali + lenB;
//#pragma omp parallel for
for (i = reali; i < nconv; i++)
{
temp.re = 0;
temp.im = 0;
i1 = i;
for (j = j0; j >= 0; j--)
{
/* floating date operation */
}
}
}

xcorr函数代码如上，comp是复数struct, 做过长度为11、19两个矢量的测试，和octave结果完全一样

红色部分是内循环，现在其内部操作都comment out 了, j0大概是 6000。
现在call xcorr 100次，耗时78s.

如果把红色部分内循环本身完全comment out， call xcorr 1000次，耗时 <1s.

雷达 · 发表于 2022-9-25 00:17:17

风雨无阻发表于 2022-9-24 23:33
, M% h. M4 n" q2 m" X( HMaybe Debug mode?

不应该，看我上面的回复。

我更怀疑是 VS 社区版的问题

数值分析 · 发表于 2022-9-25 00:20:10

本帖最后由数值分析于 2022-9-25 00:24 编辑

雷达发表于 2022-9-24 23:54
$ }9 ~* N0 p L) }- }- K3 c. o+ Pvoid xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)# e& p" ?$ B8 F8 y3 [
{
! H/ V- j' g1 c. Q4 m comp temp, xtimesy;

这个不是这么比的吧。。。

您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个，慢个几十倍不是正常的么？

雷达 · 发表于 2022-9-25 00:46:56

本帖最后由雷达于 2022-9-25 01:09 编辑

数值分析发表于 2022-9-25 00:20/ P2 o& c* F, U
这个不是这么比的吧。。。
, t& {7 O2 @* h- ?/ m" Y, d
7 I+ o. P" C% s6 M9 a% ~2 y! \) a7 Y您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

有道理。
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，记得 numeric 库里有算向量内积的，我回头试试。

我先尝试尽量用标准库，一个小程序，不想搞得太复杂。多谢了

沉宝 · 发表于 2022-9-25 01:27:53

雷达发表于 2022-9-25 00:460 g7 t9 A$ q' I5 h+ `
有道理。7 j% M+ C4 {1 l
所以存在内循环速度就上不去，把内循环取消，改成两个向量直接点乘再求和应该就会好得多，这大 ...

你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子，把循环本身翻译成机器指令loop或dec/jnz，两者速度上会差很多
Why is the loop instruction slow? Couldn't Intel have implemented it efficiently?

沉宝 · 发表于 2022-9-25 01:48:51

数值分析发表于 2022-9-25 00:20
4 G8 q" G8 R1 u ]; D) b+ o, g这个不是这么比的吧。。。
9 A2 F' g! c4 r" N
- q+ G6 s/ l; I9 c' h0 J您这个函数，不带内循环的话，汇编完总共操作也没几个（不到100个）。

而加上内循环，光jmp和dec指令就至少多执行了6000个

现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果循环这样跑，花不了多少时间。

数值分析 · 发表于 2022-9-25 02:06:44

本帖最后由数值分析于 2022-9-25 02:16 编辑

沉宝发表于 2022-9-25 01:48$ `+ D3 Z$ y* V2 U
现在的CPU，可以把判断、jmp和dec指令全部融合进一个µOp（微操作，CPU内部流水线上的执行单位）。如果 ...

是的，兄台说的对。

其实我想说的是真正数值计算部分和代码中其他不直接计算的overhead的比值这个事儿。

雷达兄构造测试用例的时候，屏蔽掉了所有计算的部分，使得剩下的都是overhead，这样run time比较的结果就显得好像不合理了。如果把计算加回去，计算部分的run time会dominate，结果就不那么离谱了。因为不好说，所以用指令数对比的方式试图直观地说明这一点。

比如说，如果有计算，那么跑六千个循环相对于计算应该用不了多少时间。但是如果一边是什么都不做，另一边是六千个循环，那六千个循环比什么都不做慢几十倍了，就不是那么不合理了。

当然也有可能像兄台说的，是优化参数的问题，但我觉得更多地是测试用例设计的不合理。

雷达 · 发表于 2022-9-25 04:47:43

本帖最后由雷达于 2022-9-25 04:49 编辑

沉宝发表于 2022-9-25 01:27! T( K' [7 T9 H1 g
你两个试验之间就差了一个空循环， call 1000次按理不会有秒级差异，可能还是编译器优化的问题。举个例子 ...

又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差一倍，我上面这个差的太多了。

我已经完全懵了。

沉宝 · 发表于 2022-9-25 05:51:23

雷达发表于 2022-9-25 04:47
+ M- I& S) e: j1 e5 \- q又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

时间差一倍的结果可以接受。

你还是用profile工具看看吧。现在大家都主观瞎猜。

数值分析 · 发表于 2022-9-25 14:58:59

本帖最后由数值分析于 2022-9-25 15:38 编辑

雷达发表于 2022-9-25 04:47/ g& w0 g. K: c
又写了个小实验，没有调用子函数，双层循环，外层6千次，内循环30万次空转，有或没有空转内循环，时间差 ...

能不能把这个也贴上来，看看和上一个有什么不同？

雷达 · 发表于 2022-9-26 01:30:03

本帖最后由雷达于 2022-9-27 01:17 编辑

数值分析发表于 2022-9-25 14:58' Y. Z1 q G M& t1 o5 l X7 s }6 K
能不能把这个也贴上来，看看和上一个有什么不同？

理了理思路，重新做了一个测试。
做了两个 vector 和两个 float *, 都长 100000
外循环 6000，里面先做随机数生成，模拟真实环境，避免数据的 cache.

内循环试了4种方法，
1. 直接调用 vector inner_product 247s
2. vector 循环点乘累加 237s
3. float * 循环点乘累加 204s
4. 空循环 100000 次 202s

不做内循环 200s

你昨天说的对，内循环本身占比是很小的，大头在其他处理。
另外可以看到， float * 循环点乘累加并不差，比用vector 还更快。

至于我那个原始程序，还有一些疑问，见5楼，其他都不变仅仅是有无空的内循环就有很大不同，这是不对的，也许有一些其他缺陷我没有看到。（也许可以改成 while 试试）

（为什么下面我贴的 b1 加方括号里的 i , 显示出来却是 b1 ？方括号 i 消失了。 LOL . 改成 jj 好了，原来方括号里的 i 是斜体标志 LOL）

      std::vector < float > vec1(N);! }; ?4 w# y2 E; Q0 }
      std::vector < float > vec2(N);
) D+ A' e9 Q; Z+ Q) H% `" \5 [# o       float* b1 = new float[N];
* W, i+ D" d' G/ u. V  y. ~       float* b2 = new float[N];7 g& |6 H/ u! u
* Y4 s- \( b. b, O
      for (int j = 0; j < 6000; j++)! G4 E6 J1 k, v6 C- `) @
      {! ~+ a1 R: c6 r9 Z
            std::generate(vec1.begin(), vec1.end(), []() {7 j8 S# f$ u- c5 Q) [) @( @& G
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 23.23));;1 K# N2 J. U8 O( @% J' T) G* f4 {
                     });, s3 B% W9 G1 R7 K! h# |

$ R$ O5 l4 u) W! @( P7 k) L7 u             std::generate(vec2.begin(), vec2.end(), []() {+ D6 ^+ m% ?2 J6 }. ?
                     return static_cast <float> (rand()) / (static_cast <float> (RAND_MAX / 24.31));;3 d" V+ Y: R2 K3 V6 e" B& @1 ^
                     });) g0 ?# {  G' {+ H

0 L( G- r2 K) k3 U6 ~  H             for (size_t jj = 0; jj < vec1.size(); jj++)
' Z5 f8 g, t# I( B/ H3 N             {
1 c+ E% O6 ]4 o) h8 ^                      b1[jj] = vec1[jj];/ b- C1 ~' w& ?2 i% n
            }7 B2 i0 [- M/ J. D, ?8 \
% ?8 R; f0 h! q, W$ S' n
            for (size_t jj = 0; jj < vec2.size(); jj++)
4 Z6 P" q6 ?7 W) x- ]  B" N2 ^             {
7 }$ r8 i/ m: N$ f2 z6 C4 r                      b2[jj] = vec2[jj];
1 p! N, u1 o8 H% _             }
/ u& w7 s* J; G4 U' s& t( r6 n. u' y" n: Y$ Z& [
            //Method - 1  N=100000 247s  0 p4 n) A! v( F+ I! }
            //fresult = inner_product(vec1.begin(), vec1.end(), vec2.begin(), 0);
5 H7 U" ^) |# }8 C2 y
& A/ c  g" X  N4 Q             //Method - 2  N=100000  237s
" X$ R6 o* A; Z) \5 z             /*
" s$ n* F5 ^" X% U$ W             for (int jj = 0; jj < N ; jj++)# p2 z9 L  u$ u) o# }, X- }
            {
6 o! {9 l- c' @5 H# o7 |2 G                      fresult += vec1[jj] * vec2[jj];
5 F) x; `2 W1 M1 `1 a             }* L1 a  N; D4 Z
            */1 v5 N' k3 E7 s
                              % O7 T0 q# N! h# [. E4 }% `
            //Method - 3  N=100000 204s
& X. n0 p/ ~2 I7 t6 v             /*
% U$ R4 O! e, x4 ^: U" P+ p             for (int jj = 0; jj < N; jj++)5 S2 W4 ?9 q8 x
            {
1 s3 X7 c5 X" Y  ], |" u  _                      fresult += b1[jj] * b2[jj];+ Y& l- o) u( a9 o2 t1 K
            }% |* ]  u; w2 ~- @7 {
            */
% ?' y# C8 @$ m8 R$ a! }1 J3 x
6 I9 u5 ?8 F: m" G6 l- b             //Method - 4 202s% \* V+ e! E2 B( ]1 {5 R7 C" N( v
            /*8 j1 L: w- C( @) s
            for (int jj = 0; jj < N; jj++)
3 O& Y( r, f! i) s0 L3 Z             {7 U6 Q; ]8 k) F& w% Y
                     0 T  \" @; S  @: @1 [( K4 P' v
            }' G: }+ ~) N7 m- u8 q( H
            */
. g- F$ a; h& }             //comment out all methods, N=100000  202s             % b  }  K! H7 n' P( m
      }
2 |* ?/ y: Q' b% Y: n) j4 K# O0 }- I
      delete []b1;5 v& h& s5 V0 I  c! c
      delete []b2;

机器猫 · 发表于 2022-9-27 00:15:38

瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？

你第二个试验里面的j在循环里面又重新定义了啊，你确定真的跑了6000次？

雷达 · 发表于 2022-9-27 01:16:03

机器猫发表于 2022-9-27 00:15* w4 c6 u+ S) n2 J1 w* L1 q
瞎猜一下啊。把第一个的那个j定义成register变量会不会有不同？
; I0 w' I3 ]5 \1 M/ ?
你第二个试验里面的j在循环里面又重新定义 ...

内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL

不和它较劲了，瞎耽误工夫，我已经转到 ubuntu, 也准备顺便试试 avx2 向量化。

机器猫 · 发表于 2022-9-27 02:06:58

雷达发表于 2022-9-27 01:16
p% e4 }' G/ n3 G内循环里面的 j 实际是 i, 为了规避爱坛显示的冲突帖子里临时改成了j, 现在是 jj 了。好累、LOL
1 d8 u/ Z# r( l. m2 ~6 `, J& q- F w0 G; \- Q
不和它 ...

不过可以试试我说的register变量。前一个试验j是混在一堆其它变量里一起定义的，很有可能是在stack上，这样内存读写会更多，要是再碰上每次都需要加载cache就更慢了。
后面一个是在循环那里定义的，说不定编译器就把它优化成register变量了

opensrc · 发表于 2022-9-27 07:25:57

一个无关问题，为什么爱坛的帖子里在我这里有好些奇怪的东东在里面，是防拷贝措施吗？

雷声 · 发表于 2022-9-27 20:29:50

雷达发表于 2022-9-24 23:54
' R# ]! l0 j4 L" [void xcorr(comp* outcomp, comp* A, int lenA, comp* B, int lenB)
* z, U7 R9 z/ b) w0 _{
' x- G/ i9 Z9 F# L5 S8 t/ V comp temp, xtimesy;

这个code里面如果Openmp没有被注释掉的话，那么temp那个变量应该是定义在循环里面，否则线程之间会存在争夺写入那个temp的风险。
内层for循环如果没有内部操作的话，编译时应该被优化掉了，和你完全注册掉整个循环是一回事。可能你的编译设置没有打开优化？
VS社区版没有问题，我工作用的就是社区版，设置正常的话不会比商业版差。以前游说头头用Intel Compiler，他说不想花钱，而且差不了多少，就一直用到现在。

		自动登录	找回密码
密码			注册

[信息技术] C++ 提速的新发现

评分

浏览过的版块